什么是单应性矩阵？

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

你们是否知道人工智能正在改变体育产业？AI助教在比赛前和比赛中能帮助教练增强战略决策，通过使用高速相机和可穿戴传感器，人工智能现在可以测量场上每个球员的运动和位置。但是，AI如何跟踪每个玩家之间的距离？机器能否从下图得知玩家1是否有足够的空间来防守玩家2？

图1 篮球场上的球员1 防守球员2 

单应性被定义为图像的两个平面投影之间的映射。3x3转换矩阵表示它。我们要变换图像，并且需要计算同型矩阵。为了说明，下图显示了不同的2D转换矩阵。

图2 不同转换矩阵层次结构

如上图所示，我们可以基于以下矩阵来变换原图像：

• 投影变换8dof —将图像转换为不同的投影。

• 仿射变换6dof —转换将保留原图像平行线的图像。

• 欧几里得变换3dof —旋转原图像。

• 相似变换4dof —旋转和缩放原图像。

现在我们知道了单应性矩阵如何根据其层次结构转换图像，我们需要确定图像的原点和目标点，分别将其表示为p和p'。在识别这些点时，其中三个点必须是共线的，否则等式无法区分变换。但是，有一种自动检测点的算法，称为RANSAC方法。对于这种情况，我们可以将球场阴影线设置为原点。

图3 阴影线作为原点

图4 阴影线作为目标点

import numpy as np
import matplotlib.pyplot as plt
from skimage.io import imread, imshow
from skimage import transform
still1 = imread('still1.png')
src = np.array([(608, 641),
                (683, 553),
                (1841, 678),
                (1750, 579)])
dst = np.array([(800, 339),
                (1273, 339),
                (800, 1000),
                (1310, 1000)])

图5 单应性矩阵等式

tform = transform.estimate_transform('projective', src, dst)
tf_still1 = transform.warp(still1, tform.inverse)
fig, ax = plt.subplots(figsize=(20, 6))
ax.imshow(tf_still1)
ax.set_title('projective transformation')

图6 转换后的篮球场顶部视图

根据上图，使用投影单应性矩阵成功将广播视图转换为篮球场顶部视图图像。但是，这种转变也拉伸了球员的身体。

这是使用单应矩阵对图像进行变换的另一个示例。在此示例中，我们可以使用欧几里得层次结构来旋转比萨斜塔图像。

tower = imread('tower_pisa.jpeg')
src = np.array([(291, 329),
                (537, 344),
                (230, 868),
                (507, 891)])
dst = np.array([(220, 320),
                (462, 320),
                (220, 870),
                (462, 870)])
tform = transform.estimate_transform('euclidean', src, dst)
tf_still1 = transform.warp(tower, tform.inverse)
fig, (ax0, ax1) = plt.subplots(1, 2, figsize=(12, 8))
ax0.imshow(tower)
ax0.set_title('Leaning tower of Pisa')
ax0.set_axis_off()
ax1.imshow(tf_still1)
ax1.set_title('Euclidean transformation')
ax1.set_axis_off()
plt.tight_layout()

图7 欧几里得变换的比萨斜塔

单应性是一种非常强大的工具，可用于扩充图像以满足我们的需求。它可用于远程测量，校正卫星图像，透视校正，图像拼接，深度计算和相机姿态估计。

- END -

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~